Sony Bank reduz 30% do ciclo de desenvolvimento ao aplicar IA no sistema central

Sony Bank reduz 30% do ciclo de desenvolvimento ao aplicar IA no sistema central

A IA entrou no processo, não apenas no código Em 14 de setembro, Sony Bank e Fujitsu anunciaram a aplicação em escala de IA generativa no desenvolvimento do sistema central do banco. A iniciativa começou em setembro de 2025 e, segundo as empresas, alcançou em julho de 2026 uma redução de 30% no período entre o desenho básico e os testes de integração, além de 40% menos horas de trabalho. O fluxo usa modelos Claude e Claude Code por meio do Amazon Bedrock e conecta documentos de desenho, código-fonte e ativos de teste. A aplicação não ficou restrita a uma demonstração de geração de código: avançou por desenho, implementação, testes unitários e integração em desenvolvimento real. O ganho veio da continuidade entre etapas As empresas também relatam até 90% menos horas na avaliação de impacto do desenho básico, até 40% menos na criação de documentos de desenho detalhado, taxa de 99% de geração de código na etapa de implementação e até 90% menos horas de execução de testes de integração. Esses números descrevem o caso Sony Bank e não uma média de mercado. O próprio contexto ajuda a explicar o resultado: a solução bancária tem arquitetura cloud-native e baseada em microsserviços, os ativos foram organizados para reutilização e especialistas acompanharam cada etapa. Uma empresa que apenas adiciona um copiloto ao editor de código não reproduz automaticamente o mesmo efeito. Sistema crítico exige julgamento humano O anúncio informa que a IA foi usada no desenvolvimento de um sistema central em operação, mas preservou julgamento humano, aprovação e garantia de qualidade. Essa combinação é decisiva em ambientes nos quais um erro de especificação pode reaparecer no código, no teste e no comportamento do sistema. O caso sugere uma decisão prática: antes de comprar uma ferramenta, mapear onde o retrabalho nasce entre uma etapa e outra. Se o documento não é confiável, se o teste não cobre o risco ou se ninguém aprova a saída, mais velocidade pode apenas espalhar defeitos. O teste começa pela linha de base Uma equipe pode escolher um fluxo delimitado, registrar tempo de ciclo, retrabalho, defeitos encontrados depois da entrega e horas de revisão, e só então introduzir IA com dados autorizados e pontos de aprovação. O piloto deve avançar etapa por etapa, com possibilidade de interromper o uso quando a qualidade cair. O aprendizado do banco não é que toda programação pode ser automatizada. É que a produtividade aparece quando o conhecimento de uma etapa permanece disponível para a próxima, com responsabilidade clara sobre a decisão final. Fontes consultadas Sony Bank e Fujitsu. “Sony Bank and Fujitsu apply Generative AI to Core Banking System Development”. 14 de setembro de 2026. [Acessar a publicação]